Spam, nebo ne. Zlovolný, nebo neškodný. Podvod, nebo legitimní. Klasifikace přiřazuje vstupy do jedné z několika předdefinovaných kategorií a je základem velké části praktického strojového učení.

Modely se učí rozhodovací hranici z označených příkladů. Binární klasifikace odděluje dvě třídy. Vícetřídní klasifikace se rozšiřuje na několik tříd. Vícenásobné označení umožňuje více současných označení, což je užitečné, když se kategorie vzájemně nevylučují.

Běžné klasifikátory

• Logistická regrese
• Rozhodovací stromy a náhodné lesy
• Stroje s podpůrnými vektory
• Neuronové sítě
• Naivní Bayes

Přesnost sama o sobě je špatnou metrikou, pokud jsou třídy nevyvážené. Detektor podvodů, který nic neoznačí, dosahuje 99,9% přesnosti na datové sadě, kde jsou podvody vzácné, a přesto je k ničemu. Preciznost, úplnost a skóre F1 vypovídají poctivější příběh.